开发一种自然语言处理算法，以辅助创建外科脊柱数据库

《The Spine Journal》：Development of a Natural Language Processing Algorithm to Aid Creation of a Surgical Spine Database

　　

摘要

背景

从手术报告中提取特征所需的人工工作可能耗时较长、准确性不高且成本较高。

目的

开发一种自然语言处理（NLP）算法，用于创建手术脊柱数据库，并通过具有不同临床经验的人类审稿人来验证其性能。

设计/设置

这是一项在三级学术机构进行的回顾性研究，时间跨度为2008年至2024年。

患者样本

来自22,951份脊柱手术报告的成人患者手术案例。

结果指标

主要结果是手术脊柱层面的分类准确性。次要结果包括临床诊断、手术程序和额外手术细节的分类。

方法

开发了一种基于规则的NLP算法，并在100份随机手术报告样本上进行了验证。通过参考标准评估了NLP算法和人类审稿人的性能。对NLP算法和人类审稿人的病历审查/处理时间也进行了评估。

结果

NLP算法在手术脊柱层面的分类上与参考标准相符（百分比一致性=93%；Kappa=0.98；F1=0.98），在临床培训中的表现优于人类审稿人。在手术程序和诊断特征提取方面的性能未达到接受阈值，但在临床培训中的表现普遍优于人类验证者。NLP算法的平均计算速度为每分钟处理1,039份报告，而人类审稿人处理一份手术报告的最快中位时间为1分钟。

结论

NLP算法能够从大量手术报告中准确可靠地提取手术脊柱层面信息。然而，诊断、手术程序和额外手术程序的分类尚不足以满足实际应用需求。

引言

医疗保健领域的研究和质量改进分析通常依赖于从大量非结构化医学数据中提取的结构化数据。这种从非结构化医学文本中手动提取数据的过程效率极低，容易出错，并且可能成本高昂[1,2]。手动病历审查通常由经验水平不同、临床接触程度不同以及每份患者病历所需时间不同的研究人员或培训生执行[[3], [4], [5], [6]]。这导致注册系统的平均错误率在14.9%到27%之间[[7], [8], [9], [10], [11], [12], [13], [14], [15]]，同时也增加了审稿人的疲劳。在研究之外，病历审查也是医生和临床团队成员在所有护理环境中常规进行的工作。一项关于门诊护理时间分配的研究表明，每进行一小时的直接患者护理，大约需要额外花费两小时处理电子健康记录（EHR）和相关文书工作[16]。因此，简化病历审查流程不仅有可能影响研究领域，还能改善临床护理和医生的工作负担。

自然语言处理（NLP）是人工智能的一个子领域，专注于计算机与人类语言之间的交互[17]。使用NLP的算法可以在非结构化文本中找到模式以生成结构化输出。特别是基于规则的NLP算法可以在没有标记数据的情况下，通过专家知识进行编程和调整。这些算法遵循用户设定的指令集，而不是孤立地学习模式，与机器学习算法相比，在速度和可扩展性方面具有优势。机器学习算法已成功应用于特定二元查询（如术中事件的发生[[18], [19], [20]]，但需要在大规模、预先标记的结构化数据集上进行训练，这既耗时又成本高昂。此外，由于复杂性及信息的抽象性，机器学习模型缺乏可解释性。大型语言模型（LLMs）是另一种选择，但容易出现幻觉现象，需要符合HIPAA标准的平台，并且需要计算资源，而这些资源并不普遍可用[21,22]。

随着2009年HITECH法案的实施，包含大量非结构化数据的电子健康记录（EHR）的普及，从非结构化医学数据中准确高效地提取信息变得越来越重要[[23], [24], [25]]。作为临床应用案例，由于脊柱手术涉及多个椎骨层面的复杂性，因此从非结构化文本中自动化提取数据至关重要。本研究的目标因此是：

1.

开发一种NLP算法，从自由文本手术报告中提取脊柱层面和特定手术的术中细节，以自动化创建手术脊柱数据库，

2.

比较自动化NLP算法与手动病历审查的性能

章节片段

方法

使用常见的手术程序术语（CPT）代码（附录表A.1），从2008年至2024年的一家三级学术医疗中心确定了手术脊柱程序。在研究开始前已获得研究伦理委员会（#7935）的批准。

NLP算法是用Python（版本3.12.7）编写的，使用了spaCy（3.8.2）和Pandas（2.2.3）库。NLP算法的Python代码可以通过以下DOI链接查看：。

来自

结果

在2008年至2024年间共识别出23,901份脊柱手术报告。在合并了同一手术事件的相关报告后，使用NLP算法处理了22,951个不同的手术程序，其中随机选取了100份报告进行验证。

讨论

在这项研究中，我们探讨了基于规则的NLP算法从手术报告中自动化提取特征的可行性，并通过具有不同临床经验水平的审稿人进行了验证。我们采用了一种带有标签的分割方法来处理上下文化的文本块，以实现逐步特征提取，重点关注脊柱层面分类这一在账单代码中不易获得的新增信息。我们展示了开发一种轻量级、可转移的NLP算法的可行性。

CRediT作者贡献声明

Henry J. Wong：撰写 – 审稿与编辑，撰写 – 初始草案，可视化，软件，方法学，调查，形式分析，数据整理，概念化。Melissa Song：撰写 – 审稿与编辑，撰写 – 初始草案，调查，概念化。Sarah L. Miller：撰写 – 审稿与编辑，软件，数据整理。Eshan B. Damle：撰写 – 审稿与编辑，验证。Richard Muniz：撰写 – 审稿与编辑，可视化。Sanket Mehta：撰写 – 审稿与

利益冲突声明

没有需要声明的利益冲突。

Henry J. Wong|Melissa Song|Sarah L. Miller|Eshan B. Damle|Richard Muniz|Sanket Mehta|Kelly McFarlane|Ari Berg|Yun-Da Li|Jayme C.B. Koltsov|Grace X. Xiong